图灵汇官网

核心提示

据图灵汇报道，马斯克和一些人工智能领域的专家指出，目前AI模型训练所需的数据资源正在逐渐耗尽。在一次直播讨论中，马斯克提到：“我们几乎用尽了所有能用于AI训练的人类知识数据，这种情况大概从一年前开始显现。”

这一观点得到了前OpenAI首席科学家伊利亚·苏茨克弗的认同。他在去年的NeurIPS会议中提到，AI行业正面临“数据瓶颈”的问题，未来可能需要寻找新的训练数据来源，这或许会推动AI开发模式的变革。

合成数据崭露头角

马斯克认为，合成数据或许是解决这一难题的有效途径。他解释道：“唯一可行的办法是借助合成数据，让AI自己创造训练素材。通过不断自我评估和学习，AI的能力可以持续提升。”

像微软、Meta、OpenAI以及Anthropic这样的大型科技公司，已经开始采用合成数据来训练关键的AI模型。根据Gartner的预测，到2024年，超过半数用于AI和数据分析项目的数据将由合成方式生成。

经济优势与挑战并存

合成数据的一大好处是能有效节省开支。例如，一家名为Writer的人工智能初创公司表示，他们研发的Palmyra X 004模型几乎全靠合成数据完成，总成本仅为70万美元。而类似规模的OpenAI模型开发费用则高达460万美元。

不过，合成数据也存在一定的隐患。研究表明，如果合成数据本身带有偏差或局限性，可能会使模型表现变差，甚至得出更加失衡的结果，进而影响其实际应用价值。因此，如何保障合成数据的质量和广泛性，已成为亟需解决的重要课题。